• Login
    View Item 
    •   AEIPRO
    • Proceedings from the International Congress on Project Management and Engineering
    • CIDIP 2024 (Jaén)
    • View Item
    •   AEIPRO
    • Proceedings from the International Congress on Project Management and Engineering
    • CIDIP 2024 (Jaén)
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Propuesta metodológica para reducción de dimensionalidad en espacio semántico y reflexiones sobre el tamaño muestral en aplicaciones de Ingeniería Kansei

    Thumbnail
    View/Open
    AT03-020_24.pdf (1.301Mb)
    Date
    2024
    Author
    Molina Criado, Silvia
    Zamora Polo, Francisco
    Romero Lemos, Javier
    Luque Sendra, Amalia
    Metadata
    Show full item record
    Abstract
    La Ingeniería Kansei es una metodología para el desarrollo de nuevos productos orientada al usuario. Comienza con un proceso de recolección inicial de los kanseis. Una vez que se ha obtenido un número suficiente de kansei, se hace necesario reducirlos para poder trabajar con una cantidad manejable de palabras. Para ello, tradicionalmente se ha recurrido al análisis de afinidad. En este análisis se realiza una primera reducción, en la que se eliminan las palabras repetidas y se descartan aquellas que se considera que tienen menor relevancia. En una segunda reducción, se agrupan las palabras según tengan significados parecidos y, preferentemente, se elige una de ellas como la palabra representativa de cada grupo. El análisis de afinidad está sujeto a sesgos involuntarios. Por ello, en este trabajo se propone seleccionar los kanseis a utilizar del conjunto inicial de kanseis utilizando técnicas de reducción de dimensionalidad, tales como el análisis de componentes principales. Una vez definidos el espacio semántico y de propiedades es necesario distribuir la encuesta para obtener los resultados. En este trabajo se reflexiona sobre el tamaño muestral necesario, a través de análisis y estadísticos y mediante la aplicación de técnicas de Aprendizaje Automático, tales como la curva de aprendizaje.
    URI
    http://dspace.aeipro.com/xmlui/handle/123456789/3605
    DOI
    https://doi.org/10.61547/2403020
    Collections
    • CIDIP 2024 (Jaén) [201]

    DSpace software copyright © 2002-2016  AEIPRO
    Contact Us | Send Feedback
     

     

    Browse

    All of AEIPROCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    Login

    DSpace software copyright © 2002-2016  AEIPRO
    Contact Us | Send Feedback